Busca avançada
Ano de início
Entree

Análise visual para propagação de rótulo assistida pelo usuário no projeto de classificador de imagens baseado em redes neurais

Processo: 17/25327-3
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Mestrado
Vigência (Início): 01 de abril de 2018
Vigência (Término): 30 de setembro de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Alexandre Xavier Falcão
Beneficiário:Bárbara Caroline Benato
Supervisor no Exterior: Alexandru-Cristian Telea
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Local de pesquisa : University of Groningen, Holanda  
Vinculado à bolsa:16/25776-0 - Otimização de redes neurais Autocodificadoras guiada por análise visual de dados, BP.MS
Assunto(s):Aprendizado computacional   Redes neurais convolucionais

Resumo

Redes neurais com muitas camadas podem ser muito efetivas para classificação de imagens, mas normalmente dependem de métodos de regularização, "transfer learning", e/ou grandes conjuntos supervisionados para treinamento, a fim de reduzir/evitar a alta acurácia de classificação sobre os dados de treinamento e baixa acurácia no conjunto de teste: um fenômeno conhecido como supertreinamento dos dados. A técnica de "transfer learning" não é sempre possível e grandes conjuntos supervisionados de treinamento são impraticáveis em aplicações que requerem especialistas para a supervisão dos dados. Possíveis soluções incluem aumento dos dados e outras estratégias para melhorar a arquitetura e os pesos da rede para um número limitado de exemplos supervisionados. Temos investigado tais soluções no Projeto Fapesp #2016/25776-0 através do uso de Redes Neurais Codificadoras-Decodificadoras (EDNNs), Redes Neurais Convolucionais (CNNs) e Análise Visual de dados. Estamos interessados em soluções que melhorem o projeto de uma CNN para classificação de imagens explorando os métodos EDNN e Análise Visual de dados para auxiliar com a ausência de amostras supervisionadas. Portanto, a proposta do presente projeto BEPE é projetar uma interface de usuário para aprendizado de máquina interativo baseado em EDNNs, CNNs e Análise Visual de Dados. Estudos de validação serão conduzidos com conjuntos de imagens de diferentes aplicações referentes a um projeto maior, Temático FAPESP #2014/12236-1, coordenado pelo orientador.

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.